基于超声的自动分割放射组学技术在糖尿病肾病中的应用
基于自动分割超声放射组学技术的糖尿病肾病无创检测
糖尿病肾病是糖尿病的常见并发症，也是导致终末期肾病的主要原因。
在这项研究中，研究者计划招募近 500 名患有/不患有 DKD 的参与者，并开发一种基于自动分割超声的放射组学技术，以一种无创且可用的方式区分参与者。
研究概览
详细说明
超声检查是一种方便、廉价、无创的肾脏检查方法。 然而，常规超声区分糖尿病肾病与正常肾脏的能力有限，仅凭肉眼难以准确区分糖尿病肾病与正常肾脏。 近年来，计算机科学发展迅速，人工智能不断发展。 人工智能在数据分析中的应用已经取得了很大进展。 机器学习是广义人工智能的一个方向，其主要特点是让机器自主预测并创造算法，从而实现自主学习。 肾脏病和深度学习是机器学习领域的两种不同方法。 在这项研究中，图像组学和深度学习被用来分析图像。 图像组学提取传统图像特征，包括形状、灰度、纹理等，利用机器学习（模式识别）模型进行分类预测，如支持向量机、随机森林、XGBoost等。深度学习直接利用卷积网络CNN提取特征，并结合全连接层等完成分类和预测。
本研究旨在探索基于自动分割超声影像组学技术检测糖尿病肾病及其病理程度，挖掘超声图像内部信息，形成一套无创监测糖尿病肾病并发症的开发系统，特别是在基层医疗机构，具有广阔的临床应用前景。
研究类型
观察性的
注册 (实际的)
499
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Anhui
-
Fuyang、Anhui、中国、236200
- The People's Hospital of Yingshang
-
-
Tianjin
-
Tianjin、Tianjin、中国、300000
- Tianjin Third Central Hospital
-
-
Zhejiang
-
Hangzhou、Zhejiang、中国、310000
- Department of Ultrasound, Second Affiliated Hospital, School of Medicine, Zhejiang University
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 至 80年 (成人、年长者)
接受健康志愿者
不
有资格学习的性别
全部
取样方法
非概率样本
研究人群
- 糖尿病患者
- 患有或不患有 DKD 的患者
描述
纳入标准：
- 入组临床诊断为 T2DM 和 DKD 的患者。
- 双侧肾脏（左、右）B超显像清晰的患者。
- eGFR 和 UACR 等重要临床数据无缺失值。
排除标准：
- 排除肾囊肿、肾肿瘤等较大肾脏占位性疾病患者。
- 排除有严重阴影或肾边界不完整的超声图像。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
实验组
实验组1：DKD合并2型糖尿病DKD患者 实验组2：合并糖尿病肾病III、IV期的高级别DKD患者。
|
通过超声成像获得患者肾脏的二维超声图像。
|
|
控制组
Control1：T2DM合并2型糖尿病患者 Control2：低水平DKD患者合并糖尿病肾病I期和II期。
|
通过超声成像获得患者肾脏的二维超声图像。
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
AUC
大体时间：6个月
|
用于区分DKD和T2DM或高级别和低级别DKD患者的影像组学模型曲线下面积（AUC）
|
6个月
|
次要结果测量
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
美欧
大体时间：6个月
|
不同医疗中心基于 DL 的自动分割的平均交集 (Miou)
|
6个月
|
|
甲醛
大体时间：6个月
|
不同医疗中心基于深度学习的自动分割的平均像素精度 (mPA)
|
6个月
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 学习椅：Pintong Huang、Department of Ultrasound, The Second Affiliated Hospital of Zhejiang University
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2021年6月1日
初级完成 (实际的)
2021年12月1日
研究完成 (实际的)
2021年12月1日
研究注册日期
首次提交
2021年8月24日
首先提交符合 QC 标准的
2021年8月24日
首次发布 (实际的)
2021年8月27日
研究记录更新
最后更新发布 (实际的)
2022年2月16日
上次提交的符合 QC 标准的更新
2022年2月15日
最后验证
2021年8月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.